第十二章 地图的另一边

程屿把两张图放在一块屏幕上时,杜然问他是不是弄错了顺序。左边是一条相当漂亮的预测曲线,右边则平缓得多,放在一起像同一座山在不同角度留下的影子。程屿说顺序没错,左边是旧队列内部的结果,右边才是完全独立的数据。杜然搬来一张椅子,坐到他旁边,盯着右边看了许久,然后问能不能把两张图分开放在论文里。程屿说当然可以,只是分开放置不会让模型更可靠。杜然低头笑了一下,承认自己刚才确实是怕它们摆在一起太难看。

那天实验室里有人过生日,公共桌上留着半盒蛋糕,叉子插在奶油里,不知是谁吃到一半便去忙别的事情。打印机里卡着几张纸,走廊另一头传来吸尘器的声音。程屿从早上八点坐到现在,桌上的咖啡已经凉了。他们重新整理了两家医院的受试者基本情况和样本处理记录,发现某些原先被认为很次要的条件,实际上在研究中心之间存在系统差异。不同中心的患者构成也不完全相同,某些药物使用信息的记录方式更是不同。这并不能立即解释模型性能下降的全部原因,却足以使他们暂时放弃继续追逐更高的分数。

杜然指着表格里一列没有填满的字段,问如果对这些缺失值做合理插补,能不能把不同中心放到一起分析。程屿说可以讨论,但先得弄清缺失是怎样产生的,不能因为计算机能够补出一个数,便认为医院当时真的记录过那个数。杜然皱着眉头,说照这样做下去,估计又要花一个月。程屿告诉他,有些事情做一个月不一定够,但可以先定清楚哪些信息必须核对,别像现在这样一会儿重新调参数,一会儿又换一种特征筛选方法,整天忙到深夜,到头来连遇到的问题是不是同一个都说不准。

两人说话时,罗慎从门口经过,停下来看了一眼屏幕。他没有进入实验室,只问原始记录核查到什么程度。程屿说部分样本的信息已经和临床团队对上,另外还有一些采样和运输细节需要联系研究中心。罗慎提醒他们月底前要提交阶段报告,既不能因为一个验证结果不好就把研究写成失败,也不能把所有不确定的问题轻轻带过。杜然有些着急,问难道还要重新招募受试者。罗慎说现在连现有资料里的问题都没有梳理完,谈新增样本还太早。他看见桌上的蛋糕,随手拿了个纸盘,切下一小块,吃完才回办公室。

程屿从实验楼走向食堂时,碰见梁静发来的语音。她说那两小瓶家里做的豆酱已经收到,味道很好,还特意问程屿母亲是不是有完善的生产记录。程屿被问得一愣,随即笑起来,说如今母亲记得比他还细。梁静说这不是玩笑,临床研究和食品生产其实都得对看不见的环节负责,只是两件事的规矩各不相同。程屿听着语音,想起母亲在旧账页旁写过的“气味异常,不出售”,便回复说等项目忙完,想再去看看她新改的作坊。他刚把手机放进口袋,便看见食堂门前排起长队,临时决定买个三明治回去吃。

中午,叶岚发来几张历史地图的扫描图,请程屿帮忙看展签里一处有关霍乱传播机制的说明。程屿原本想等晚上再回复,打开以后却注意到其中一张地图上密密麻麻的黑条。他放大了看,发现是1854年布罗德街霍乱暴发的死亡分布图,图上除了街道和房屋,还有几处水泵的标记。那些黑条排列在街道两侧,有的房屋附近叠了很多条,几乎将街道边缘挤得发黑。程屿把图片保存下来,转头对杜然说,三百多年前的人只能利用有限的记录描述疾病分布,如今他们面对的数据比当时多得多,结果反而总是解释不清。杜然随口回了一句,说那是因为今天的问题也多得多,随后继续盯着屏幕里的数据表。

下午他去档案馆时,叶岚正站在大幅打印的地图前,拿着尺子检查展板尺寸。墙上原本写着“斯诺凭地图找到霍乱病源”,她把这行字用纸贴住,只露出下方的图。程屿问是不是版式不好看,叶岚说不是,她发现这句话虽然常见,时间顺序却容易使读者误会。那张最著名的地图是后来绘制并出版的,不能让人以为斯诺在1854年九月拿着这张已经完成的图走访居民。她想把那句改成关于调查和证据的叙述,又觉得太长,不适合放在展板上。

程屿站在地图前,仔细辨认着街道。叶岚递给他一页文字资料,上面记着斯诺如何询问病人的饮水来源,以及为何注意到一些地理位置相近、饮水方式却不同的人群。他看着其中关于远离水泵但仍使用相关水源的病例,问这些是不是后来研究者才整理出来的。叶岚说有些来自斯诺当年的调查和后来出版的论述,有些则需要与其他历史记录相互核对;凡是证据不足的地方,她都准备删去,免得展览给人一种所有细节都已完全确定的印象。

“这样写,会不会显得斯诺没那么厉害?”程屿问。叶岚把尺子收进抽屉,说人家做的工作本来就很厉害,不需要替他增加一张尚未画出来的地图。她又指着那些密集的黑条,告诉程屿,地图把复杂的事情压缩成很容易理解的图形,可图上每个标记都有记录来源,漏掉的人、迁走的人、没有被及时登记的人,未必都能在同一张图上完整出现。她说自己最初看地图时只觉得震撼,后来认真核对史料,才渐渐意识到,地图本身并不代替调查。

程屿听完想起自己处理过的微生物组数据。测序报告中,某一种微生物的相对丰度看起来只是一个小数,等不同人的数值放在一起,又可以变成一条漂亮的曲线。很多时候,他甚至记不清某个样本来自哪一天,是在家中采集,还是在医院完成取样,更不知道采样那天受试者究竟有没有按计划完成全部要求。那些信息当然应该保存在研究记录里,只是分析做得久了,很容易把它们当成表格之外的事情。他没有把这些想法说成某种重大发现,只问叶岚能不能把地图边上写着“原始记录”的一小段文字留着。叶岚说本来也准备留,只是展板地方不够,或许得把某句介绍科学家荣誉的话缩短一些。

他们讨论到傍晚。程屿帮叶岚把几张打印纸放进文件夹,发现其中一页附着一条名单,不是研究者的名字,而是一些死于霍乱的普通住户。名单里有年龄,也有地址,其中几项只写着职业或家庭关系,有的人连完整姓名都没有。程屿盯着看了一会儿,叶岚说不同记录使用的称呼和格式并不一致,正因为这样,整理工作常常很慢。她问他在研究里会不会遇到类似问题。程屿说会,只是他们为了保护隐私,会给每位受试者分配编码,研究人员在绝大多数分析环节不需要知道姓名。叶岚说这当然是必要的,但编码也很容易让旁人忘记,那个号码背后原本是一个需要吃饭、上班和照顾家人的人。

离开档案馆以前,叶岚送他到楼梯口,顺手拿走了他准备带回去的一份展签草稿,说要把里面那个“凭地图解决霍乱”的句子重新改过。程屿问准备写成什么,她想了一会儿,说大概写“从饮水与病例分布寻找证据”,只是语气太像教材,还得再琢磨。他们约好下周再检查剩下的材料,程屿走出旧楼时,发现自己竟然有些饿了。他在附近买了一盒炒饭,坐在树下吃,手机不断亮起,杜然已经把几个研究中心的新核查结果发过来。

为了取得几个原始批次的记录,程屿下午专门去了合作实验平台。负责样本管理的技术员把一摞表格从柜子里取出来,告诉他有些旧批次仍留着完整的登记,有些则只能追查到送样日期和接收人。程屿原以为这些信息早已同步进研究数据库,见了纸质表才知道两者并不完全一致。技术员翻出一页边角卷起的记录,解释那段时间仪器检修,少数样本改由另一台设备处理,登记虽然留下了,后来汇总时却没有全部纳入统一字段。程屿逐项拍下获准保留的记录编号,回实验室后把这段信息加入核查清单,而不是直接将它当成能解释全部结果的证据。

晚上,临床团队安排了一次在线会议。梁静把医院补充核对的信息逐项说明,其中几份资料明确记录了采样前使用过的药物,另外一些则只能确认病历中没有完整信息,不能反过来认定受试者一定未用药。对这些记录进行怎样的处理,将直接影响后续分析范围。杜然听得有些急,问能不能把缺信息的样本全部去掉,先看结果会不会稳定些。梁静说可以作为敏感性分析,但不能只在某种删法得到更好模型时才把它写进论文;而且失去样本可能使人群构成发生新的变化,尤其缺失记录不是随机出现的时候,更要说明原因。

罗慎在会议上很少打断别人。临近结束时,他问程屿是否能在两周内拿出一份清楚的证据清单,把原来假设、已经确认的问题和仍需要验证的发现分开。程屿说可以,但必须把外部队列的用途说明白,如果他们现在根据这批数据做了过多方法调整,以后就不能再拿同一批数据宣称进行了全新的独立验证。罗慎让他把这点写进报告,也提醒他们谨慎使用“诊断”“临床转化”之类的词,以免合作单位误解目前工作的成熟程度。会议结束时已经九点多,杜然还想留下继续跑模型,程屿叫他先把今天的代码和变更记录提交到项目目录,明天再讨论。

杜然关电脑时说,自己从前最喜欢分析结束以后导出图片的那一刻,觉得屏幕上的乱七八糟终于变成了可以给人看的东西。现在他看到漂亮的图,第一反应却是害怕哪里又出了问题。程屿笑他想得太多,杜然反问师兄难道不是。两个人一时都笑起来。笑过以后,程屿说漂亮没有什么不好,麻烦的是有时候图片太漂亮,便不愿意再去看做出它的那些原始记录。杜然听完没有接话,只把最后一份表格保存好,拿起背包往外走。

杜然离开后,程屿发现实验室的白板上还留着几个月前讨论论文时写下的三个词:预测、分层、机制。那时他们把这些目标放在一起,觉得只要找到一组足够强的微生物特征,后面的工作便能顺理成章地展开。如今再看,三件事情中任何一件都需要不同的证据,而他们最初的分析却想同时回答所有问题。程屿拿起板擦,先把中间的箭头抹掉,三个词仍然留在原处。他没有把它们删去,因为它们仍是值得研究的问题,只是不该再像原先那样,画成一条每一步都必然通向下一步的直线。

那一夜,程屿没有继续修改模型。他拿出最近整理的资料,在纸上画了三列:第一列写已经核实的事实,包括不同中心的样本构成和技术差异;第二列写已有统计结果能够支持的关联;第三列写那些尚无足够证据的机制解释。他填了很久,第三列的内容比另外两列多得多。写到接近午夜,他忽然发现,自己原来那份论文初稿中的不少漂亮句子,都应当暂时留在第三列,不能随意搬到结论里去。这件事让他有些沮丧,却也使他终于知道,接下来几天究竟需要完成哪些工作。

第二天清早,叶岚给他发来一条新消息。她在整理意大利医学史资料时,找到一份1854年出版的薄册子,作者是菲利波·帕西尼,题目里有“霍乱”和“显微观察”几个词。叶岚说自己想把它与斯诺的研究放在同一个展区,却发现不少介绍材料把两人的工作写得过于整齐,仿佛他们在同一年沿着两条约定好的道路寻找同一个答案。她担心这样会抹掉当时研究的不确定性,想等查阅原文以后再决定怎样呈现。

程屿回了句有空一起看,随后打开那份扫描件的封面。页面上是一串他不熟悉的意大利文,纸边留着年代久远的污迹,作者的名字却印得很清楚。他点开下一页,看见密密麻麻的文字,便把手机放到一边,准备先去开今天的组会。窗外已经有人从楼下跑过,保洁阿姨推着车清理走廊,实验室里传来仪器启动时短促的提示音。程屿拿起桌上那张画着三列内容的纸,想了想,折起来夹进了报告封面。


真实历史与科学解读

约翰·斯诺在1854年调查布罗德街霍乱暴发,历史上著名的死亡分布地图并非早在疫情开始时就已完成。现代微生物组疾病预测研究中,内部验证的表现不等同于跨队列泛化能力;研究中心差异、样本处理和受试者特征可能影响结论。程屿、叶岚、杜然、罗慎、梁静及其项目都是虚构,涉及的具体图表和会议并非真实研究事件。本章不把历史地图视为现代微生物组模型的直接因果类比。